Html源文件中image标签的析取 HTML, image, 标签

admin

今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。  
' [. g( a8 e; E$ X8 R
1 B& n2 V2 A! ?　　首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
; Y6 C$ v. z& N2 N/ k' a' y4 a
. {+ t5 D8 E4 G8 o$ M. B: K5 X" U  q1 ?4 L+ V
＜form action=" abstractSRCfrompage.php3" method="post"＞0 L& B: S$ `; Q2 y7 ]8 X
　　输入网址＜input type=text name=filename＞＜br＞) _6 |) |0 i- `/ Q! ?7 U6 c3 q' b
　　＜input type=submit name=submit value="提交"＞$ i8 A7 m( ~/ E/ b, J& B
＜/form＞ ' \/ y+ B9 ^% @6 E
* t1 P' V' l. k* X
% @1 m: P( ~+ V, x( M5 t, [
　　输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：4 N2 M! W$ j$ `( Z- L- [$ T
5 M+ G# }# U6 [- g  I' l, \5 b- ]
% f- I# H7 T, I' O
＜?php
4 F  T6 I, X% dif ($filename!=""){
. O# Z/ O7 x4 p  S) h$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
  @7 ]/ r4 d1 S9 Ewhile ($buffer = fgets($fp, 1024)) {1 ^' y* N6 ?; ]2 Y5 z
$source .=$buffer; }+ {$ c! k+ W0 m( q- K
fclose($fp);
( P+ Y9 z2 t0 F/ I/ `, A* \file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. O) _' R9 s3 uif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {: }/ H' X; F( `
echo "找到图片标签:)＜br＞";}4 R% F3 g+ R$ G) x, {1 ?' S  |
else{
; Q9 F6 q* _# j7 t' X+ }echo "未发现图片标签:(＜br＞";}5 N. H. P; J% a, s
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，, S8 \2 z6 z( B8 b2 F; G
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ H' S! @$ S. A  R; d* x1 l! L5 P
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
6 r: w  h8 z7 L0 Z: L8 V5 afor($i=1;$i＜sizeof($splitres);$i++){3 R3 P  V  v( ?6 o8 ~
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;; T. L9 Z1 G$ t
unset($imgname); // 再次使用前删除imgname变量；
$ G& e" A! j1 V- q: j2 o$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# }8 ]6 w; X* B8 L' i: Q7 N
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息, U0 g5 x+ u5 C0 b
}
) k, J$ I5 C/ h* K7 h}/ m: h' w1 u0 z) S
?＞
6 A! C, b) ^( v; T8 r6 O% `
% n3 V% }9 o/ j: p# Y, @+ T9 |/ F& ^1 A
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 e* g0 U* j3 w) L. |+ |' h9 m
* P4 u! |( V9 ?% f　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。' F( u; G% Q1 ?" K* L# _  q4 P5 s- Z( P

& |2 s9 p& |" C) |; E+ V　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。- J  f  j+ u% M2 o2 n* }3 Y

6 w: ]& e& x( Z( r　　如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？